知识卡片
为何要让机器自主生成
既然已有大量真实样本,为何不让计算机“照葫芦画瓢”直接复制,而要让它们自己生成假的?书中给出的答案是:GAN代表从“人类赋予计算机思考逻辑”到计算机“用自己的方式思考”的转变,赋予机器以自己的方式理解事物的能力。
传统机器学习让计算机学习人为赋予含义的特征,再从中找规律,本质仍是数据挖掘,并未真正理解特征的表达。概率生成模型则试图用概率与统计的语言描述世界:找出观测数据内部的统计规律,再基于得到的概率分布模型产生全新的、与观测数据类似的数据。
这是一种“计算机视角的生成方式”——不是复制已有样本,而是学习样本背后的分布后重新创造。能否自主创造,因此成为衡量人工智能的核心标准之一,而GAN的生成网络正是概率生成模型的典型代表。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- AI绘画与生成对抗网络 13.1.2 生成网络是什么 · 查看原书依据
概率生成模型的目的就是找出给定观测数据内部的统计规律,并且能够基于得到的概率分布模型,产生全新的、与观测数据类似的数据,这是一种计算机视角的生成方式。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第13章《AI绘画与生成对抗网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00018.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文指出概率生成模型的目的“就是找出给定观测数据内部的统计规律,并且能够基于得到的概率分布模型,产生全新的、与观测数据类似的数据”,说明生成是学习分布后的再创造,而非简单复制,这正是让机器自主生成的意义。
- 原始内容:概率生成模型的目的就是找出给定观测数据内部的统计规律,并且能够基于得到的概率分布模型,产生全新的、与观测数据类似的数据,这是一种计算机视角的生成方式。